3D 视觉

COOL: A Cooling-Aware Point Transformer Framework for Thermal Prediction in Advanced 3D/3.5D IC Packaging

COOL：面向先进3D/3.5D IC封装热预测的感知冷却的点Transformer框架

Yao Lu, Zhicheng Guo, Qijun Zhang, Shang Liu, Wenji Fang, Wenkai Li, Zhiyao Xie

专题命中 点云 ：point cloud(abstract)

AI总结 针对先进3D/3.5D IC封装热管理挑战，提出感知冷却的点Transformer框架COOL，显式编码几何与冷却结构，引入PI-BC损失，在自建基准上NMAE达2.4%，速度较商用FEM求解器提升超15.7倍且优于现有学习方法。

Comments 7 pages, accepted at DAC 2026

Journal ref 63rd ACM/IEEE Design Automation Conference (DAC '26), July 2026

Doubling the dimension yields a benign landscape for the squared-stress

维度加倍可产生平方应力的良性景观

Christopher Criscitiello

专题命中 点云 ：point cloud(abstract)

AI总结 本文针对欧氏距离几何问题，证明当k≥2(ℓ+1)时，完全图平方应力的优化景观为良性，将k≥ℓ+1的猜想因子缩小一半，采用二阶临界性的对偶视角推导结论。

Comments 38 pages

Plasolver: Physics-Informed Neural Operators for Elastoplasticity

Plasolver：用于弹塑性问题的物理信息神经算子

Yizheng Wang, Mohammad Sadegh Eshaghi, Huadong Zhang, Xiaoying Zhuang, Timon Rabczuk, Yinghua Liu

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对弹塑性分析计算成本高的问题，提出Plasolver物理信息神经算子框架，结合算子学习与经典求解器优势，预训练结合热启动阶段，实现高精度与大幅加速，减少迭代次数，为弹塑性问题提供高效计算框架。

Can Language Models Understand mmWave Data? Benchmarking Large Language Models for mmWave Radar-Based Human Understanding

语言模型能否理解毫米波数据？基于毫米波雷达的人类理解任务对大语言模型进行基准测试

Jeongwan Shin, Jaehyeon Kim, Donguk Ko, Jaeho Choi

机构 * DGIST（大邱庆北科学技术院） ； KAIST（韩国科学技术院） ； InnoCORE LLM 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本研究针对毫米波数据与大语言模型融合的研究空白，构建首个毫米波人类感知基准mmWave-QA，评估LLMs在该任务上的零样本推理潜力与视觉退化下的鲁棒性，为相关研究奠定基础。

Comments Accepted to CVPR 2026 Findings

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Findings, 2026

A Dual Topological Pipeline for Imperial Network Analysis: Persistent Homology, Structural Fragility, and the Aztec Collapse

用于帝国网络分析的双拓扑管道：持续同调、结构脆弱性与阿兹特克帝国的崩溃

Jose de Jesus Bernal Alvarado, David Delepine, Carlos Pinedo Guadarrama

专题命中 点云 ：point cloud(abstract)

AI总结 本研究通过持续同调与双模型拓扑管道分析阿兹特克帝国多层网络，揭示其朝贡层结构脆弱性、特诺奇蒂特兰中心的关键作用、特拉斯卡拉区域的结构空洞，提出“空洞占据树”这一新帝国崩溃模式。

Comments 10 pages, 4 figures

Topological analysis of scale-invariant spatial fluctuations in ultrarelativistic heavy-ion collisions

超相对论重离子碰撞中标度不变空间涨落的拓扑分析

Salman Khurshid Malik, Ramni Gupta, Fakhar Ul Haider, Balwan Singh

专题命中 点云 ：point cloud(abstract)

AI总结 本文针对重离子碰撞中临界涨落信号微弱难以提取的问题，提出结合TDA与深度学习的两阶段拓扑机器学习框架，成功恢复归一化阶乘矩的幂律标度，确立了拓扑机器学习探测QCD临界点的工具价值。

Comments 16 pages, 12 figures

The Intersection Euler Characteristic Profile: Euler Calculus and Stability for Topological Interaction of Ball Unions

相交欧拉特征轮廓：球并集拓扑交互的欧拉演算与稳定性

Kazuhiro Kawamura, Sushovan Majhi, Atish Mitra

专题命中 点云 ：point cloud(abstract)

AI总结 该研究提出相交欧拉特征轮廓（Intersection ECP），基于欧拉演算刻画多球并集拓扑交互，具多项稳定性，可高效计算，其细化能解析精细交互，稠密采样下可恢复基础形状的同调与欧拉特征。

ED-DiT: Physics-Guided Diffusion Pretraining for Transferable Molecular Representations from Electron Density

ED-DiT：用于从电子密度学习可迁移分子表示的物理引导扩散预训练

Liang Shuang, Haocheng Wang, Jiayi Song, Shuquan Ye, Ben Fei

专题命中 点云 ：point cloud(abstract)

AI总结 本研究提出ED-DiT，一种物理引导的扩散Transformer，通过电子密度点云自监督预训练学习可迁移分子表示，在6项EDBench任务及低监督场景下均优于基线，展现出良好效果。

Comments 16 pages, 9 figures, 7 tables, including supplementary material

Multimodal Embeddings for 3D Similarity Search in Semantic Web-of-Things Digital-Twin Platforms

面向语义物联网数字孪生平台中三维相似度搜索的多模态嵌入

Oussama Zaid, Romaric Gaudel, Hassan Thomas, Maria Massri, Philippe Raipin-Parv{é}dy

专题命中 点云 ：point cloud(abstract)

AI总结 本文针对语义物联网数字孪生平台缺乏三维相似度搜索能力的问题，提出多模态嵌入框架，在Thing'in平台实现后经S3DIS验证，可支持混合本体-向量查询，满足相关领域的三维相似度搜索需求。

Journal ref 4th International Workshop on the Semantic WEb of EveryThing (SWEET 2026), co-located with ICWE 2026, Jun 2026, Lyon, France

Doubly Robust Functional Representation Learning for Longitudinal Causal Inference with Irregular Histories

针对具有不规则历史的纵向因果推断的双重鲁棒函数表示学习

Mengfei Ran, Yifeng Shen, Ruijie Guan

专题命中 点云 ：point cloud(abstract)

AI总结 针对不规则历史的纵向因果推断，提出DR-FRL交叉拟合工作流，通过函数与时间编码器映射状态、估计干扰项函数，经诊断验证后在模拟与VitalDB审计中表现出良好性能。

A Mathematical Framework for Topological Causal Data Analysis

拓扑因果数据分析的数学框架

Hugo Gobato Souto, Ioannis Diamantis

专题命中 点云 ：point cloud(abstract)

AI总结 该研究提出拓扑因果数据分析（TCDA）框架，区分结果级与分布级TCDA，构建对应识别与表示方法，明确观测拓扑在因果发现中的作用，为结构化对象的因果分析提供数学基础。

Voronoi Histograms for Adaptive Vectorization of Expected Persistence Diagrams

用于期望持久性图自适应向量化的Voronoi直方图

Kaifeng Zhang, Kai Ming Ting

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出用Voronoi直方图对期望持久性图（EPD）进行自适应向量化，建立了其稳定性界，在真实世界数据集的分类与降维任务中验证了该表示的有效性。

Watershed vs. Region Growing for Individual Tree Segmentation from Airborne LiDAR: An Urban Case Study in Bologna

基于机载激光雷达的单木分割：分水岭算法与区域生长法的对比——以博洛尼亚城市区域为例

Aldo Canfora, Tommaso Rondini, Matteo Falcioni, Mirko Degli Esposti

专题命中 点云 ：point cloud(abstract)

AI总结 该研究以博洛尼亚城市区域为案例，对比分水岭算法与区域生长法对机载LiDAR点云的单木分割效果，提取植被指标并构建交互式地图，为城市绿化规划提供可扩展基础。

Comments 26 pages, 21 figures

Generator-Aligned Representation Interfaces for Diagnostic Soft Equivariance

用于诊断软等变性的生成器对齐表示接口

Weitao Li, Gong Cheng

机构 * Tongji University（同济大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对精确等变架构复用复杂的问题，提出生成器对齐表示接口GARI，通过特定原则和残差形式化行为，实例化为GARI-Net，经实验验证其能支持变换一致性和泛化，为硬等变架构提供可移植诊断补充。

Many-point tropical relaxation and the Monge--Ampère equation

多点热带松弛与蒙日 - 安培方程

Nikita Kalinin, Ernesto Lupercio, Higinio Serrano, Mikhail Shkolnikov

专题命中 点云 ：point cloud(abstract)

AI总结 研究平面亚历山德罗夫蒙日 - 安培方程，构建关联驱动的热带逼近，通过结合多种方法，得到\(N^{-1/2}F_N\)的收敛性、曲率估计等结果，还包括随机点云极限、协方差及对角线相关结论。

Comments 62 pages, 3 figures

Data-Driven Diffusion Processes on Differential Forms via the Projected Ambient Connection Laplacian

通过投影环境联络拉普拉斯算子在微分形式上进行数据驱动的扩散过程

Alvaro Almeida Gomez, Jorge Duque Franco

专题命中 点云 ：point cloud(abstract)

AI总结 研究如何通过投影环境联络拉普拉斯算子对微分形式进行数据驱动的扩散过程，基于新颖表示构造矩阵值扩散算子，有渐近最优核带宽缩放，推导显式欧拉格式并经数值实验验证，为几何偏微分方程数值逼近奠定基础。

Comments Comments are welcome

PI-GINOT: Data-free geometry-informed neural operator learning for finite-strain hyperelasticity on parametric DogBone specimens

PI-GINOT：用于参数化狗骨形试件有限应变超弹性的无数据几何信息神经算子学习

Aamir Dean, Betim Bahtiri

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对参数化非线性固体力学模拟成本高的问题，提出PI-GINOT这一无数据几何信息神经算子，通过特定方法预测狗骨形试件有限应变超弹性响应，经训练和验证，在多个测试几何形状上取得一定精度结果，揭示了局部应力分辨率待提升之处。

From Dark Matter to Galaxies: Halo-Free Mock Generation via Conditional Point-Cloud Diffusion

从暗物质到星系：通过条件点云扩散生成无晕模拟

Kana Moriwaki, Ken Osato, Naoki Yoshida

专题命中 点云 ：point cloud(abstract)

AI总结 研究提出基于扩散的生成模型，以暗物质密度场为输入生成含位置和物理性质的星系点云。在IllustrisTNG模拟目录上训练，能再现星系与暗物质场关系及多种分布，还可绕过晕发现，为相关实验提供实用引擎及新推断途径。

Comments 9 pages, 9 figures, submitted to MNRAS

Topological Signatures of Context-Level Reliability in TabPFN

TabPFN中上下文级可靠性的拓扑特征

James Hu, Mahdi Ghelichi

机构 * TD Bank（道明银行） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究TabPFN在复杂表格几何上的内部行为，用曲折持久同调将其层表示视为点云，构建合成表格任务基准。发现其内部表示几何拓扑与数据集级可靠性相关，复杂几何有双重拓扑特征，相关描述符与多种指标有关，能诊断可靠性及运行状态。

Calibrated Alzheimer's Conversion Risk in Mild Cognitive Impairment: Persistent Homology of Clinical Trajectories with Conformal Guarantees

轻度认知障碍中经过校准的阿尔茨海默病转化风险：具有共形保证的临床轨迹的持久同调

Navin Bondade

机构 * Institute of Health Informatics, University College London（伦敦大学学院健康信息学研究所） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究旨在预测MCI到AD的转化，将持久同调用于临床轨迹点云，结合多种特征构建堆叠集成模型。校正泄漏源，经交叉验证等实验，模型有竞争力的准确性，提出H0持久熵为拓扑生物标志物，实现个体层面不确定性量化。

Comments 17 pages, 6 figures, 2 tables. Data from the Alzheimer's Disease Neuroimaging Initiative (ADNI). Code available upon reasonable request

Adaptive Mamba Neural Operators

自适应曼巴神经算子

Zeyuan Song, Zheyu Jiang

专题命中 点云 ：point cloud(abstract)

AI总结 研究如何准确求解任意几何形状和各种网格上的偏微分方程，提出自适应曼巴神经算子，通过构建竹内 - 马尔姆奎斯特系统集成再生核，在多个领域的基准问题上，其相对\(L^2\)误差优于现有求解器，为神经算子框架设计提供新范例。

Comments 22 pages, accepted by ICLR 2026 conference (https://openreview.net/forum?id=OenyzvFZPs)

FEVessel: Mesh-Independent Analysis of 3D Pressure Vessels with the Label-Free Pretrained Finite Element Method

FEVessel：基于无标签预训练有限元方法的三维压力容器网格无关分析

Yipin Sun, Yizheng Wang, Yuzhou Lin, Baiyang Zheng, Xiaoying Zhuang, Timon Rabczuk

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对三维压力容器分析中有限元方法的局限，提出FEVessel，通过编码点云、预训练算子及热启动求解器，实现跨材料等通用分析，降低误差，加速求解，能在不同网格转换且无需标签，消除手动网格修复。

ChemFusion: A Multimodal Cross-Attention Network for Reaction Yield Prediction

ChemFusion：用于反应产率预测的多模态交叉注意力网络

Qiwei Han, Chi Zhou

机构 * Duke University（杜克大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究过渡金属催化反应产率预测难题，提出ChemFusion多模态交叉注意力网络，融合电子特征与3D原子坐标，用交叉注意力机制，在交叉偶联库基准测试中性能出色，还能自主学习识别和惩罚空间位阻，提供物理可解释性。

Comments 10 pages, 4 figures, 2 tables

BODIESReg: An Open-Source Pipeline for Registering 3D Body Scans Using Pose-Aligned Initialization

BODIESReg：一种使用姿态对齐初始化来配准3D人体扫描的开源管道

Vikash Chaurasia, Judit Cueto Fernandez, J. Micah Prendergast, Eline van der Kruk

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对生物力学模型个性化需准确识别解剖标志等，提出开源管道BODIESReg，通过姿态对齐初始化解决配准难题，在两个数据集上评估，自动配准成功率高，误差低，还提供手动校正工具，支持3D人体扫描大规模配准。

Cluster-Aware Matching via Laplacian Optimal Transport

通过拉普拉斯最优传输实现聚类感知匹配

Gabriel Samberg, YoonHaeng Hur, Yuehaw Khoo, Nir Sharon

机构 * Department of Applied Mathematics, Tel Aviv University（特拉维夫大学应用数学系） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Statistics, University of Chicago（芝加哥大学统计系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 针对点云具有聚类结构的匹配问题，提出基于拉普拉斯最优传输（LapOT）的聚类感知匹配方法，用二次拉普拉斯项正则化最优传输问题，引入RSC方法，经理论分析和实验证明该方法能实现点云间更一致且有意义的对齐。

HyperShadow: A Benchmark for Detecting 3D Projections of Higher-Dimensional Spatial Objects

HyperShadow：用于检测高维空间对象3D投影的基准测试

Akshay Sasi

专题命中 点云 ：point cloud(abstract)

AI总结 HyperShadow是用于检测高维空间对象3D投影的基准测试，通过190k参数点网络及零参数刚性见证进行检测，能在不同损坏层级达到高准确率和泛化率，为研究三维解释不兼容性提供工具，数据等已公开。

Comments 8 pages, 5 figures. Code: https://github.com/AkshaySasi/hypershadow. Dataset: https://huggingface.co/datasets/AkshaySasi/hypershadow

M3F-UAV: A Missing-Modality Multimodal Foundation Model for Low-Altitude Wireless Sensing

M3F-UAV：一种用于低空无线传感的缺失模态多模态基础模型

Pengxuan Gao, Kai Ying, Botao Wu, Jianhua Mo, Qingsong Wen

专题命中 点云 ：point cloud(abstract)

AI总结 针对复杂环境下单模态模型可靠性低的问题，提出M3F-UAV模型，通过特定模态预训练特征提取器、跨模态融合及缺失模态感知预训练，从多观测中学习统一表示，在LAMBDA数据集实验中性能优于单模态基线且在缺失模态下稳健。

Manifold Constrained Conformal Prediction for Spatial Events

空间事件的流形约束共形预测

Collin Nill, Trevor Harris, Jason Adams

机构 * Department of Statistics University of Connecticut（统计学系 美国康乃狄克大学） ； Sandia National Laboratories（桑地亚国家实验室） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 该研究针对空间事件预测，提出基于将空间点云表示为经验测度，用（切片）瓦瑟斯坦距离评分，并约束预测集在训练数据流形附近的新共形预测方法，经实验其在覆盖及距离指标上优于基线。

Comments 21 pages, 10 figures, 4 tables

Integrating Physics-Informed Neural Networks and 3D Vascular Geometry Learning for Cerebral Aneurysm Detection and Multimodal Rupture-Risk Prediction

将物理信息神经网络与3D血管几何学习相结合用于脑动脉瘤检测和多模态破裂风险预测

Eshan Vipuil, Xianqi Li

专题命中 点云 ：point cloud(abstract)

AI总结 研究旨在结合物理信息神经网络与3D血管几何学习用于脑动脉瘤检测及多模态破裂风险预测。通过基于PointNeXt的检测器识别动脉瘤，利用物理信息神经网络生成血流动力学描述符，多模态模型整合多种变量预测风险，取得良好检测及预测效果，提供了定量多模态评估策略。

Spectral-Domain Deep Learning of Intrinsic Scattering Operators for Arbitrarily Shaped Compact 3D Particles

用于任意形状紧凑三维粒子的本征散射算子的谱域深度学习

Daize Li, Jiafu Shen, Yifei Liu, Bonan Zhang, Heping Xie

专题命中 点云 ：point cloud(abstract)

AI总结 研究任意形状三维粒子光学散射预测难题，提出双谱域神经散射模型，将粒子几何压缩为球谐系数，光学响应编码为T矩阵，经谱令牌变换器训练，能恢复模态结构、再现散射图，确立谱域算子学习为有效预测途径。